跳轉到

2.2 能控性與能觀性矩陣#

2.2.1 兩個被理論逼出的問題#

狀態空間語言確立後，立刻浮現兩個傳遞函數時代不曾存在（也無從提出）的問題：

  • 能控性（Controllability）：對系統 \(\dot{x} = A x + B u\) ，是否存在輸入 \(u(t)\) 能在有限時間內把任意初始狀態驅動到任意目標狀態？
  • 能觀性（Observability）：對 \(y = C x\) ，能否由有限時間內的輸出 \(y(t)\) 唯一反推初始狀態 \(x(0)\) ？

第一個問題決定「回授到底能不能改變系統的一切」；第二個問題決定「沒量到的部分可不可以推算出來」。這兩個概念由 Kalman 於 1960 年前後形式化，是現代控制的基石。

2.2.2 能控性矩陣的推導#

先看連續時間系統的解。狀態方程的解為

\[ x(t) = e^{A t} x(0) + \int_0^t e^{A (t - \tau)} B u(\tau) \, d\tau \]

問題化為：積分項能否覆蓋 \(\mathbb{R}^n\) 中任意位移 \(x(t) - e^{At} x(0)\) ？把指數矩陣展開：

\[ e^{A (t - \tau)} = I + A (t - \tau) + \frac{A^2 (t - \tau)^2}{2!} + \cdots \]

代入積分可知，可達集合由

\[ \int_0^t \left[ I + A s + A^2 \frac{s^2}{2} + \cdots \right] B u(t - s) \, ds \]

生成，而所有 \(A^k B\) 方向的線性組合由 Cayley-Hamilton 定理保證只需 \(k = 0, \ldots, n-1\) 。因此定義能控性矩陣：

\[ \mathcal{C} = \begin{bmatrix} B & A B & A^2 B & \cdots & A^{n-1} B \end{bmatrix} \]

Kalman 能控性判據：系統完全能控 \(\iff \operatorname{rank}(\mathcal{C}) = n\) 。

實例：倒單擺與衛星姿態#

考慮衛星的單軸姿態模型（角度 \(\theta\) 、角速度 \(\omega\) ，僅一個推力器輸入）：

\[ \dot{x} = \begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix} x + \begin{bmatrix} 0 \\ b \end{bmatrix} u \]

能控性矩陣為

\[ \mathcal{C} = \begin{bmatrix} B & A B \end{bmatrix} = \begin{bmatrix} 0 & b \\ b & 0 \end{bmatrix} \]

行列式為 \(-b^2 \neq 0\) ，故滿秩：雖然推力器只直接作用於角速度，但角速度會積分出角度，間接觸及兩個狀態。這解釋了為何一枚姿態推力器足以完成三軸定向中的每一軸——「直接作用面不足」不等於「不能控」。

2.2.3 能觀性矩陣的推導#

能觀性問題是能控性的對偶。由解

\[ y(t) = C e^{A t} x(0) \]

可視 \(x(0)\) 為未知數、 \(y(t)\) 在各時刻為量測。關鍵在：若存在非零向量 \(v\) 使 \(C e^{At} v \equiv 0\) ，則初始狀態 \(v\) 與 \(0\) 產生完全相同的輸出，無法分辨。由 \(e^{At}\) 的展開與 Cayley-Hamilton 定理，條件等價於 \(C A^k v = 0\) 對 \(k = 0, \ldots, n-1\) 皆成立。於是定義能觀性矩陣：

\[ \mathcal{O} = \begin{bmatrix} C \\ C A \\ C A^2 \\ \vdots \\ C A^{n-1} \end{bmatrix} \]

Kalman 能觀性判據：系統完全能觀 \(\iff \operatorname{rank}(\mathcal{O}) = n\) 。

實例：俯仰角速度不可測的飛機#

設飛機只量得到角度：

\[ y = \begin{bmatrix} 1 & 0 \end{bmatrix} x, \qquad A = \begin{bmatrix} 0 & 1 \\ -M_\alpha & -M_q \end{bmatrix} \]

則

\[ \mathcal{O} = \begin{bmatrix} C \\ C A \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} \]

滿秩：角速度雖未直接量測，卻會透過動力學「洩漏」進角度訊號，因此可被推算——這正是 2.3 節狀態觀測器可行的根據。

2.2.4 對偶性：一個定理省一半證明#

對偶性（Duality）指出：系統 \((A, B, C)\) 的能控性，等價於對偶系統 \((A^\top, C^\top, B^\top)\) 的能觀性，因為

\[ \mathcal{O}^\top = \begin{bmatrix} C^\top & A^\top C^\top & \cdots & (A^\top)^{n-1} C^\top \end{bmatrix} \]

恰好是對偶系統的能控性矩陣。證明一次能觀性，能控性自動成立，反之亦然。這種結構性對偶日後更深化為 Kalman 濾波（估計問題）與 LQR（控制問題）之間的對偶（第 3 章將見）。

2.2.5 Kalman 分解：把盲區畫出來#

實際系統常是「部分能控、部分能觀」。Kalman 分解定理說明：任何線性系統都可透過相似變換 \(z = T x\) 化為四個子空間的階梯結構：

\[ \begin{aligned} \dot{z}_1 &= A_{11} z_1 + A_{12} z_2 + A_{13} z_3 + A_{14} z_4 + B_1 u \\ \dot{z}_2 &= A_{22} z_2 + A_{23} z_3 + A_{24} z_4 + B_2 u \\ \dot{z}_3 &= A_{33} z_3 + A_{34} z_4 \\ \dot{z}_4 &= A_{44} z_4 \end{aligned} \]
  • \(z_1\) ：能控且能觀——傳遞函數描述的正是這一塊。
  • \(z_2\) ：能控但不能觀——可以驅動，卻看不見。
  • \(z_3\) ：能觀但不能控——看得到，卻推不動。
  • \(z_4\) ：既不能控也不能觀——理論與實務的雙重盲區。

這個分解徹底回答了 2.1 節的對消疑案：傳遞函數的零極點對消，消掉的是不能控或不能觀的模態；只有當對消模態是穩定的（即系統是「最小實現」），輸入輸出分析才安全。Kalman 分解把「外部描述與內部描述的落差」從哲學憂慮變成可計算的子空間幾何。

2.2.6 最小實現與實務意涵#

結合能控性與能觀性可定義最小實現：狀態維度不能再縮減的實現，等價於同時完全能控且完全能觀。實務上：

  • 建模時若發現不能控或不能觀模態，應檢查是模型冗餘還是真實的隱藏動態。
  • 不穩定的不能控模態是設計紅線：任何回授都救不了，必須回到硬體層面（改感測器位置、改致動器配置）。
  • 能觀性不足則告訴我們：再多演算法也無法從輸出中還原某些狀態，解法是增加感測器，而非增加計算。

小結#

  • 能控性由矩陣 \(\mathcal{C} = [B \; AB \; \cdots \; A^{n-1}B]\) 的秩判斷，回答「輸入能否觸及所有狀態」。
  • 能觀性由矩陣 \(\mathcal{O} = [C^\top \; (CA)^\top \; \cdots]^\top\) 的秩判斷，回答「輸出能否揭示所有狀態」。
  • 對偶性使兩者互為鏡像，證明與計算省一半。
  • Kalman 分解將狀態分為四塊，解釋了零極點對消的本質，並確立最小實現概念。

延伸到下一節#

知道系統能控、能觀之後，真正的設計問題登場：既然輸入 \(u\) 能觸及所有狀態，能否直接用 \(u = -K x\) 把閉迴路極點放到任意想要的位置？而狀態 \(x\) 若不全可測，能否用一個動態系統從輸出把它「重建」出來？下一節我們推導極點配置公式、Luenberger 觀測器，以及現代控制的柱石——分離原理。